hough图像处理并非使用matlab自带函数（容易理解）

</pre><pre code_snippet_id="626447" snippet_file_name="blog_20150324_3_4815205" name="code" class="plain"><span style="background-color: rgb(240, 240, 240);">%%能够运行</span>close all;clc;I=imread('C:\Users\Administrator.GHTT-20141012XI\Desktop\lena.jpg');[x,y]=size(I);BW1= dither(I);BW=edge(BW1,'canny');figure;imshow(I);title('原图')%figure;imshow(BW);title('边缘检测图像')rho_max=floor(sqrt(x^2+y^2))+1; %由原图数组坐标算出ρ最大值，并取整数部分加1%此值作为ρ，θ坐标系ρ最大值accarray=zeros(rho_max,180); %定义ρ，θ坐标系的数组，初值为0。%θ的最大值，180度Theta=[0:pi/180:pi]; %定义θ数组，确定θ取值范围for n=1:x,    for m=1:y        if BW(n,m)==1            for k=1:180            %将θ值代入hough变换方程，求ρ值            rho=(n*cos(Theta(k)))+(m*sin(Theta(k)));            %将ρ值与ρ最大值的和的一半作为ρ的坐标值（数组坐标），这样做是为了防止ρ值出现负数            rho_int=round(rho/2+rho_max/2);            %在ρθ坐标（数组）中标识点，即计数累加            accarray(rho_int,k)=accarray(rho_int,k)+1;            end        end    endend%figure;colormap gray;%imagesc(accarray);title('hough变换后的图')%xlabel('\theta'), ylabel('\rho');% %=======利用hough变换提取直线======%% %寻找100个像素以上的直线在hough变换后形成的点K=1; %存储数组计数器% case_accarray_n = zero(1000)% case_accarray_m = zero(1000)for rho_n=1:rho_max %在hough变换后的数组中搜索    for theta_m=1:180        if accarray(rho_n,theta_m)>100 %设定直线的最小值。            case_accarray_n(K)=rho_n; %存储搜索出的数组下标            case_accarray_m(K)=theta_m;            K=K+1;        end    endend% %把这些点构成的直线提取出来,输出图像数组为I_outI_out=zeros(x,y);for n=1:x,    for m=1:y        if BW(n,m)==1            for k=1:180                rho=(n*cos(Theta(k)))+(m*sin(Theta(k)));                rho_int=round(rho/2+rho_max/2);                %如果正在计算的点属于100像素以上点，则把它提取出来                    for a=1:K-1                        if rho_int==case_accarray_n(a)&k==case_accarray_m(a)%%%==gai==%%% k==case_accarray_m(a)&rho_int==case_accarray_n(a)                            I_out(n,m)=BW(n,m);                        end                    end            end         end     endendfigure;imshow(I_out);title('利用经典hough变换提取的图像');

</pre><pre code_snippet_id="626447" snippet_file_name="blog_20150324_5_3008975" name="code" class="plain">%%并不是hough检测直线

I=imread('C:\Users\Administrator.GHTT-20141012XI\Desktop\roadline.png');I=rgb2gray(I);%彩色图象 to 二值图像[m,n]=size(I);  %获取维数I=im2double(I); %便于计算 转成doubleim=zeros(m,n);%不懂这算子干嘛for i=3:m-2    for j=3:n-2%处理领域较大，所以从图像（3,3）开始，在（m-2,n-2）结束     l(i,j)=-I(i-2,j)-I(i-1,j-1)-2*I(i-1,j)-I(i-1,j+1)-I(i,j-2)-2*I(i,j-1)+16*I(i,j)-2*I(i,j+1)-I(i,j+2)-I(i+1,j-1)-2*I(i+1,j)-I(i+1,j+1)-I(i+2,j);%LoG算子    endend[m,n]=size(l);for i=2:m-1     for j=2:n-1       y(i,j)=l(i-1,j-1)+l(i-1,j)+l(i-1,j+1)+l(i,j-1)+l(i,j)+l(i,j+1)+l(i+1,j-1)+l(i+1,j)+l(i+1,j+1);    y(i,j)=y(i,j)/9;  %LoG算子提取边缘后，对结果进行均值滤波以去除噪声，为下一步hough变换提取直线作准备 endend%换成整形q=im2uint8(y);[m,n]=size(q);for i=1:m     for j=1:n      if q(i,j)>70;   %设置二值化的阈值为70        q(i,j)=255; %对图像进行二值化处理，使图像边缘更加突出清晰    else        q(i,j)=0;     end endend%Hough变换检测直线，使用（a，p）参数空间，a∈[0,180],p∈[0,2d]a=180; %角度的值为0到180度d=round(sqrt(m^2+n^2)); %图像对角线长度为p的最大值s=zeros(a,2*d); %存储每个(a,p)个数z=cell(a,2*d);  %用元胞存储每个被检测的点的坐标for i=1:m        for j=1:n%遍历图像每个点        if(q(i,j)==255)%只检测图像边缘的白点，其余点不检测            for k=1:a                p = round(i*cos(pi*k/180)+j*sin(pi*k/180));%对每个点从1到180度遍历一遍，取得经过该点的所有直线的p值（取整）                if(p > 0)%若p大于0，则将点存储在（d，2d）空间                    s(k,d+p)=s(k,d+p)+1;%（a，p）相应的累加器单元加1                    z{k,d+p}=[z{k,d+p}  ,[i,j]];%存储点坐标                else                    ap=abs(p)+1;%若p小于0，则将点存储在（0，d）空间                    s(k,ap)=s(k,ap)+1;%(a，p)相应的累加器单元加1                    z{k,ap}=[z{k,ap},[i,j]];%存储点坐标                end            end        end    endendfor i=1:a     for j=1:d*2 %检查每个累加器单元中存储数量        if(s(i,j) >30) %将提取直线的阈值设为70            lp=z{i,j};%提取对应点坐标            for k=1:s(i,j)%对满足阈值条件的累加器单元中(a，p)对应的所有点进行操作               im(lp(1,k),lp(2,k))=255; %每个点R分量=255，G分量=0，B分量=0            end        end     endendsubplot(1,2,1),imshow(I);title('原始图像');subplot(1,2,2),imshow(im);title('hough变换边缘图像');